career-ops: ระบบค้นหางานด้วย AI แบบ open-source สำหรับคนหางาน

career-ops คืออะไร

career-ops เป็นระบบค้นหางานแบบ open-source ที่ทำงานผ่าน AI coding CLI (เครื่องมือแก้ไขโค้ดที่มีความสามารถ AI agents เช่น Cursor, Windsurf, Aider) ให้กลายเป็นศูนย์บัญชาการหางานอัจฉริยะ แทนที่จะติดตามใบสมัครงานใน spreadsheet ด้วยมือ คุณจะได้ระบบที่ขับเคลื่อนด้วย AI ที่:

• ประเมินตำแหน่งงาน ด้วยระบบคะแนน A-F แบบมีโครงสร้าง (5 มิติประเมินแล้วแปลงเป็นเกรด A-F และคะแนนรวม 1.0-5.0)
• สร้าง CV ที่ปรับแต่งเฉพาะงาน ในรูปแบบ PDF ที่ผ่าน ATS ได้
• สแกนเว็บหางาน อัตโนมัติ (Greenhouse, Ashby, Lever, หน้าเว็บบริษัท)
• ประมวลผลแบบ batch ประเมินงาน 10+ ตำแหน่งพร้อมกันด้วย sub-agents
• ติดตามทุกอย่าง ในระบบเดียว พร้อมตรวจสอบความถูกต้อง
• ค้นคว้าบริษัทและหาคนติดต่อ เพราะใบสมัครทำให้เข้าคิว แต่การวิจัยทำให้ได้คุย

ข้อกำหนดเทคนิค: ต้องมี AI coding CLI ที่รองรับ AI agents (เช่น Cursor, Windsurf, Aider) และ API key ของ AI model (Claude, GPT-4, หรือ model อื่นที่รองรับ) ต้องมีความรู้พื้นฐานด้าน command line, การติดตั้ง dependencies (Python, Node.js ตามที่ระบบต้องการ) และการจัดการ environment variables ค่าใช้จ่าย API ขึ้นอยู่กับจำนวนการประเมินและราคาของแต่ละ model ดูรายละเอียดการติดตั้งได้ที่ GitHub repository

หมายเหตุ: ระบบนี้ต่างจาก job board ที่มี AI แนะนำทั่วไปตรงที่ทำงานในเครื่องของคุณ ควบคุมข้อมูลได้เต็มที่ และปรับแต่งตามบริบทส่วนตัวได้ลึกกว่า แต่ต้องการความเข้าใจเทคนิคในการตั้งค่าเบื้องต้น

ไดอะแกรมแสดง flow พื้นฐาน ในทางปฏิบัติแต่ละขั้นตอนซับซ้อนกว่านี้มาก

ทำไมต้องใช้

นี่ไม่ใช่เครื่องมือสมัครงานแบบสุ่ม career-ops เป็นตัวกรอง ช่วยคัดหาโอกาสที่คุ้มค่าจากตำแหน่งงานหลายร้อยตำแหน่ง ระบบจะแนะนำไม่ให้สมัครงานที่คะแนนต่ำกว่า 4.0/5 เพราะเวลาของคุณและ recruiter มีค่า ตรวจสอบก่อนสมัครเสมอ

สร้างโดยคนที่ใช้มันประเมินงาน 740+ ตำแหน่ง สร้าง CV 100+ ฉบับ และได้งาน Head of Applied AI อ่าน case study แบบเต็ม (หมายเหตุ: นี่เป็นประสบการณ์เฉพาะของผู้พัฒนา ผลลัพธ์ส่วนบุคคลขึ้นอยู่กับหลายปัจจัย)

เริ่มใช้งาน

1. ติดตั้งใน AI coding CLI ของคุณ โค้ด reference implementation อยู่ที่ GitHub repository ตรวจสอบ documentation สำหรับคำแนะนำการติดตั้งเฉพาะแต่ละ CLI dependencies ที่ต้องติดตั้งขึ้นอยู่กับโครงสร้างของระบบ (อาจรวม Python packages, Node.js modules) ตั้งค่า environment variables สำหรับ API keys ตามตัวอย่างใน .env.example
2. ป้อนข้อมูล CV และบริบทเกี่ยวกับตัวคุณ ครั้งแรกจะยังไม่แม่นยำ ต้อง "onboard" ระบบให้รู้จักคุณก่อน ป้อนเรื่องราวอาชีพ จุดแข็ง สิ่งที่อยากหลีกเลี่ยง ยิ่งบริบทมาก ยิ่งแม่นยำ
3. วางลิงก์งาน ระบบจะประเมิน สร้าง PDF และบันทึกเข้า tracker อัตโนมัติ

ฟีเจอร์หลัก

• Auto-Pipeline: วาง URL ได้ผลลัพธ์ครบ (evaluation + PDF + tracker)
• 6-Block Evaluation: สรุปบทบาท, ความเข้ากับ CV, กลยุทธ์ระดับ, วิจัยค่าตอบแทน, personalization, เตรียมสัมภาษณ์ (STAR+R) + Block G วิเคราะห์สัญญาณเตือน (red flags) เช่น รายละเอียดงานคลุมเครือ ความคาดหวังไม่สมเหตุสมผล หรือข้อมูลที่ขัดแย้งกัน
• Interview Story Bank: รวบรวมเรื่องเล่า STAR+Reflection จากหลายๆ ครั้งที่ประเมิน 5-10 การประเมินจะให้ชุดเรื่องเล่าที่นำกลับมาใช้ได้
• Research & Contact: หาข้อมูลบริษัทและคนที่ควรติดต่อ

ตัวอย่างผลลัพธ์

ระบบจะสร้างไฟล์ประเมินโครงสร้างเป็น markdown ประกอบด้วย:

• คะแนนรวม (เช่น 4.2/5.0, Grade: A-) พร้อมคะแนนย่อยแต่ละมิติ
• สรุป 6 Block: Role Summary, CV Fit Analysis, Leveling Strategy, Compensation Research, Personalization Tips, Interview Prep (STAR stories)
• Block G: Red Flags Analysis (ถ้ามี)
• ไฟล์ PDF ที่ปรับแต่งตามตำแหน่งงาน บันทึกใน ~/projects/career-ops/output/pdfs/
• บันทึกการติดตามใน tracker (CSV หรือ database ตามการตั้งค่า)

ข้อจำกัดและข้อควรระวัง

ระบบต้องเรียนรู้คุณก่อน ครั้งแรกผลประเมินอาจไม่ดีนัก ให้บริบท (CV, career story, จุดแข็ง, สิ่งที่อยากหลีกเลี่ยง) มากขึ้น ระบบจะแม่นยำขึ้นเรื่อยๆ เหมือนการ onboard recruiter คนใหม่ สัปดาห์แรกต้องเรียนรู้ แล้วจะกลายเป็นคนสำคัญ

ข้อจำกัดสำคัญ:

• การให้คะแนนและการตรวจจับสัญญาณเตือนเป็นการประเมินเบื้องต้นจาก AI ไม่ได้รับประกันความแม่นยำ 100% ต้องตรวจสอบและใช้วิจารณญาณเสมอ
• ระบบ A-F grade mapping เป็นค่าประมาณ อาจไม่สอดคล้องกับระบบเกรดมาตรฐานทุกแห่ง
• ค่าใช้จ่าย API อาจสูงหากประเมินงานจำนวนมาก ควรติดตามการใช้งานอย่างใกล้ชิด
• ต้องการทักษะเทคนิคในการติดตั้ง configure และแก้ไขปัญหา ไม่เหมาะกับผู้ใช้ทั่วไปที่ไม่มีพื้นฐานด้าน coding

career-ops เป็น reference implementation แรกของ CareerOps Manifesto อ่านแล้วเซ็นชื่อได้ที่เว็บ

ดูรายละเอียดเพิ่มเติมที่ career-ops.org